【Python】保存不同尺寸(等比缩放)图像的脚本

简介: 【Python】保存不同尺寸(等比缩放)图像的脚本

由于项目的需求,需要制作不同尺寸图像的脚本,为方便其他同事使用,所以我制作了一个ini文件,方便修改配置参数,如果方便使用,也可以按照个人喜好打包为exe。

一、脚本使用方法:

(1)复制下面resize.py代码,安装好代码中所需要的第三方库;

(2)在resize.py目录下新建一个记事本,将config.ini中的内容复制进去,并将记事本扩展名修改为.ini;

(3)运行resize.py;

(4)运行成功后,目录下会出现Image文件夹(用来保存等比缩放后的图像),image.log文件(脚本的运行日志)

二、脚本使用说明:

(1)使用脚本前,修改脚本工程中的config.ini中的配置信息,主要包括: 要转换的图片所在的文件夹路径(保证文件夹下只有图片),配置要缩放的图像比例;

(2)本脚本用于生成等比缩放的图像,自动生成image文件夹,并保存在image文件夹中;

(3)使用脚本前,需要确保删除脚本工程下的image文件夹;

(4)运行py文件启动脚本;

(5)脚本自动生成log,用于查看脚本的执行及报错情况;

三、config.ini文件如下:

[setting]

;图像所在文件夹路径

image_folder = C:\Users\mech-mind_lcl\Desktop\tupian

;图像等比缩放百分比(例:0.8表示缩放原图像的0.8倍)

Image_scaling_percentage = 2

四、resize.py代码如下:

import os
from PIL import Image
import configparser
import time


class Script(object):
    def __init__(self):
        conf = configparser.ConfigParser()
        conf.read(r"config.ini", encoding="utf-8")
        self.image_folder = conf.get("setting", "image_folder")
        self.Image_scaling_percentage = conf.get("setting", "Image_scaling_percentage")
        self.BASE_DIR = "image"

    def judgement(self):
        """ 配置检查模块 """
        if not os.path.isdir(self.image_folder):
            print(self.logfile("图像路径不正确请重新输入!"))
            return False
        if not os.path.exists(self.BASE_DIR):
            os.mkdir(self.BASE_DIR)
        else:
            print(self.logfile("脚本路径存在image文件夹,请删除后运行脚本!"))
            return False
        return True

    def resize(self):
      """ resize图像模块 """
        if self.judgement():
            for i in os.listdir(self.image_folder):
                image_path = self.image_folder + os.sep + i
                img = Image.open(image_path)
                width = int(img.width * float(self.Image_scaling_percentage))
                height = int(img.height * float(self.Image_scaling_percentage))
                i2 = img.resize((width, height))
                new_image_path = self.BASE_DIR + os.sep + i
                i2.save(new_image_path)
                print(self.logfile("resize成功!resize像素尺寸为({}*{}),保存路径为:{}".format(width, height, new_image_path)))
            print(self.logfile("本批图像resize成功!"))

    def logfile(self, text):
      """ 日志模块 """
        with open('image.log', 'a+', encoding='utf-8') as f:
            t = time.strftime('%y-%m-%d %H:%M:%S')
            text = t + " " + text + '\n'
            f.write(text)
        f.close()
        return text


if __name__ == "__main__":
    a = Script()
    a.resize()

五、运行成功后:Image.log显示

22-05-07 16:23:57 脚本路径存在image文件夹,请删除后运行脚本!
22-05-07 16:29:59 图像resize成功!像素尺寸为(2073*1555),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-119.jpg
22-05-07 16:29:59 图像resize成功!像素尺寸为(2073*1555),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-134.jpg
22-05-07 16:29:59 图像resize成功!像素尺寸为(2073*1555),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-150.jpg
22-05-07 16:30:26 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-103.jpg
22-05-07 16:30:26 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-119.jpg
22-05-07 16:30:26 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-134.jpg
22-05-07 16:30:26 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-150.jpg
22-05-07 16:40:56 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-103.jpg
22-05-07 16:40:56 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-119.jpg
22-05-07 16:40:56 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-134.jpg
22-05-07 16:40:57 图像resize成功!像素尺寸为(5184*3888),保存路径为:D:\pythonProject\图像resize脚本\image\210809-110507-150.jpg
22-05-07 16:40:57 本批图像resize成功!

如果对您有帮助,点个赞+关注(有打赏的好大哥也中)吧,一起学习一起加油!!!

相关文章
|
3天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
PYTHON TENSORFLOW 2二维卷积神经网络CNN对图像物体识别混淆矩阵评估|数据分享
PYTHON TENSORFLOW 2二维卷积神经网络CNN对图像物体识别混淆矩阵评估|数据分享
|
1天前
|
SQL 存储 数据库
两个Python脚本轻松解决ETL工作:统计多个服务器下所有数据表信息
两个Python脚本轻松解决ETL工作:统计多个服务器下所有数据表信息
|
1天前
|
SQL 存储 数据库
两个Python脚本轻松解决ETL工作:统计多个服务器下所有数据表信息(1)
两个Python脚本轻松解决ETL工作:统计多个服务器下所有数据表信息(1)
|
3天前
|
Serverless Python
Python----图像的手绘效果
Python----图像的手绘效果
7 1
|
3天前
|
Python Perl
LabVIEW调用Perl和Python脚本
LabVIEW调用Perl和Python脚本
11 2
|
3天前
|
缓存 人工智能 算法
编写高效的Python脚本:性能优化的策略与技巧
编写高效的Python脚本需要综合考虑多个方面,包括代码结构、数据结构和算法选择等。本文将探讨在Python编程中提高脚本性能的方法,包括优化数据结构、选择合适的算法、使用Python内置函数以及通过并行和异步编程提升效率。这些技巧旨在帮助开发者在不同应用场景中编写出高性能的Python代码。
|
3天前
|
监控 算法 计算机视觉
探索图像边缘:使用Python进行轮廓检测
探索图像边缘:使用Python进行轮廓检测
30 3
|
3天前
|
机器学习/深度学习 计算机视觉 Python
使用Python改变图像颜色的实用指南
使用Python改变图像颜色的实用指南
11 1
|
3天前
|
机器学习/深度学习 计算机视觉 Python
【Python 机器学习专栏】图像数据的特征提取与预处理
【4月更文挑战第30天】本文探讨了图像数据的特征提取与预处理在机器学习中的重要性。图像数据具有大容量、信息丰富和冗余性高的特点。特征提取涉及颜色、纹理和形状特征;预处理包括图像增强、去噪和分割。Python的OpenCV和Scikit-image库在处理这些任务时非常有用。常见的特征提取方法有统计、变换和基于模型的方法,而预处理应注意保持图像真实性、适应性调整及验证评估。有效的特征提取和预处理能提升模型性能,Python工具使其更高效。
|
3天前
|
机器学习/深度学习 PyTorch 算法框架/工具
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化